强化学习时序差分学习(Temporal-Difference Learning)

最新推荐文章于 2025-04-08 18:06:43 发布

布谷AI

最新推荐文章于 2025-04-08 18:06:43 发布

阅读量1.3k

点赞数 2

分类专栏：强化学习文章标签：强化学习差分法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/huibiannihao/article/details/105592886

版权

本文介绍了强化学习中的时序差分学习（Temporal-Difference Learning），包括基本概念、TD(0)、n-step TD和TD(λ)。时序差分学习是一种无模型的学习方法，通过时序自举采样数据并最小化差分来更新参数。TD(0)仅考虑当前奖励，n-step TD考虑更长期的奖励，而TD(λ)则对奖励进行加权平均。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

基本概念

先看差分的定义:

差分表示一种差异，小区间上的增量，可以类比于函数中的导数，度量变化的一个指标；

直觉上，当系统趋于稳定时，自变量的变化引起的函数值的变化趋近于0.

在强化学习中，差分是指

$\Delta V = V(S;\theta_{new}) - V(S;\theta_{old})$

我们希望它越小越好，使系统趋于稳定。

那时序又是指什么？在强化学习场景下，Agent不断地与环境交互，产生数据，本身就是时序的，这是大背景。

时序差分还有更重要的特性：

时序的另一层含义是自举(boot

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。